三爪卡盘的亚像素边缘检测与视觉定位

针对面向数控机床三爪卡盘的智能视觉上、下料机器人,对识别和定位精度要求较高,提出基于三爪卡盘形心特征的高斯二次曲线拟合亚像素的边缘定位方法,完成机器人对于三爪卡盘的识别及定位操作.其步骤为:首先,应用Canny边缘检测算法对目标边缘进行粗定位,即像素级定位;其次,建立三爪卡盘内切圆和外接圆组成的形心特征约束,根据边缘所在位置邻域像素的几何特征和灰度分布特征,对亚像素级别进行定位,使边缘定位在更加准确的位置.研究结果表明:机器人对于三爪卡盘的视觉测量精度达到0.01 mm,视觉定位精度达到0.05mm,达到数控加工行业精度要求;该技术在保证精度的同时,大幅度地提高了运算速度.     

基于互补曲线拟合的格雷码亚像素边缘定位

精确定位格雷码光条纹边缘是结构光三维重建系统的关键问题之一.提出了一种互补曲线拟合的光条纹亚像素边缘定位算法,在对互补编码图像进行光强成分分析并二值化处理的基础上,通过边缘检测算法获得准确的初始像素边缘,然后映射回互补编码图像并对其边缘过渡区域进行拟合,最后通过计算互补曲线的交点得到格雷码光条纹的亚像素边缘点.采用平均相对等宽性误差进行评价,得到的最小边缘定位误差为1.97277×10-3,分别对不同投影方向和条纹数量的图像进行处理,都保持了较小的定位误差.实验结果表明,提出的算法能够很好地解决初始边缘定位困难的问题,具有较好的准确性和鲁棒性,提高了光条纹定位精度.     

通用亚像素边缘检测算法

研究了针对不同边缘类型进行同步亚像素级检测的问题.通过详细分析3种基本边缘类型(阶跃型边缘、脉冲型边缘、屋脊型边缘)的特点,提出了一种基于形体质心思想的通用算法,并对其进行了严格证明.该算法能同时对这3种基本类型边缘进行亚像素级检测与定位,且不存在原理性误差.对算法进行离散化处理,给出了便于计算机实现的离散算法.通过实验验证了此算法的有效性,并分析了误差产生的原因.     

机械零件亚像素边缘检测算法的研究

在分析亚像素边缘检测算法机理的基础上,对多项式插值算法和矩算法在亚像索边缘检测中从速度和精度两个方面, 对其进行了比较性研究, 实验结果表明, 在同等精度条件下.多项式插值法的运算耗时较短,具有运算效率高, 同时其标准差小, 具有更高的定位精度.     

基于形态学梯度的亚像素边缘检测方法的研究

伴随着图像处理技术的不断发展,对于目标图像的边缘检测由像素级向亚像素级转变,为了能够得到目标图像相对比较清晰的边缘图像,在本文中首先使用一种改进的数学形态学梯度算法对目标图像进行像素级边缘检测,然后通过对已经得到的像素级边缘点进行样条插值,最终完成亚像素边缘检测,通过实验仿真能够观察出使用本文所研究检测方法能够得到清晰的边缘图像。     

无粗定位亚像素边缘检测算法研究

针对传统的亚像素边缘检测技术需要先进行粗定位,然后再进行精确定位的问题,提出无粗定位亚像素边缘检测算法.针对彩色图像降低维度边缘信息损失的问题,提出主轴分析法来保存图像的边缘信息.针对滤波后图像边缘特征模糊的问题,提出基于二分K均值的中值滤波算法,在滤除噪声的同时,增强图像的边缘.最后从检测精度、检测效率和可靠性3个方面验证算法的有效性.     

改进的基于Facet模型的亚像素边缘检测

在图像测量等工程应用中,需要获得目标的高精度图像边缘信息.本文首先介绍了一种基于Facet模型的亚像素边缘检测算法,该方法具有抗噪能力强,定位精度高等优点,但是计算复杂度太高.针对此缺点,本文研究了一种改进算法,将其与Mallat的小波变换模极大算法有效的结合,不仅处理速度提高了10倍左右,而且所提取的边缘效果也有所改善.实验结果表明,本文的方法不仅能获得高精度的边缘信息,抗噪能力强,而且处理速度快.     

微零件图像亚像素边缘定位算法

为快速而精确地检测微零件图像边缘,提出了一种新的图像亚像素边缘定位算法.此算法与常用亚像素边缘定位算法区别在于不需要进行边缘初定位,而直接提取亚像素边缘点.应用一种新的图像坐标排序方法,使无规律的边缘点能够按照一定时针顺序链接成闭合曲线.以微齿轮图像作为实验对象测试了算法的精度与速度,结果表明该算法在边缘定位精度满足亚像素的情况下,能够快速提取边缘曲线,处理时间不超过1s.     

基于边缘导向的直边图像亚像素定位方法

通过边缘检测，把图像分为边缘区域和非边缘区域，然后在边缘区域内进行边缘定位．根据局部区域内边缘的直线特性，求得小邻域内直线段的高精度位置；再根据边缘区域内边缘的全局直线特性，用线段的中点来拟合整个直线边缘，得到亚像素精度的图像边缘．在拟合的过程中，根据直线段转角的变化剔除了噪声点，提高了定位精度．并且，根据角度和距离区分出不同直线和它们的交点，给出了图像精确的矢量化结果．     

基于Sigmoid函数拟合的亚像素边缘检测方法

亚像素边缘检测技术是采用图像处理软件算法来提高检测精度的有效途径,因而在基于计算机视觉的检测中具有重要地位。本文对矩法、拟合法和插值法等常用的亚像素边缘检测算法的原理、优点和不足进行了分析。提出了Sigmoid函数拟合的亚像素边缘定位算法,该算法采用Sigmoid函数拟合边缘模型,然后利用图像边缘灰度信息,对该模型进行非线性最小二乘拟合,求得边缘的亚像素位置。实验中测得本文提出的基于Sigmoid函数拟合的亚像素边缘定位算法定位精度为0.045像素,但检测的速度比灰度矩提高了一个数量级,比空间矩、Zernike矩和插值法提高了两个数量级。理论分析和实验结果表明：本文提出的亚像素定位算法能较好的满足影像测量中的稳定可靠、精度高及实时性的要求。     

基于亚像素边缘的棋盘格的角点检测

棋盘格标定广泛应用于高精度机器视觉中。针对棋盘格标定中最关键的角点检测技术,本文提出了一种基于亚像素边缘的角点检测算法。先确定棋盘格边缘线法线方向,再在法线方向插入虚拟像素;根据边缘像素灰度变化趋势,用反正切函数进行曲线拟合;然后通过曲线梯度,确定亚像素边缘。在得到各亚像素边缘后,根据边缘相交形式,采用形心法确定角点位置。本算法建立了边缘法向方向亚像素定位算法,不受棋盘格角点方位影响。采用结合像素插值和灰度曲线拟合的方法提取亚像素边缘,有效的提高检测精度。实验表明本算法相对Harris角点检测算法精度提高一倍。本算法已成功应用于石油管螺纹的图像检测中,满足实际应用需求。     

基于蚁群算法的Zernike矩亚像素工件边缘检测

边缘检测是影响工件尺寸检测精度的主要因素之一。为了进一步提高工件尺寸测量的准确性,本文提出了一个改进Zernike矩的亚像素边缘检测方法。首先,采用滤波和阈值分解等技术对图像进行预处理以得到二值图,再次,采用蚁群算法得到图像的边界,然后,采用Zernike矩的边界检测方法来确定图像亚像素边缘。结果表明,改进的边缘检测方法相较于传统方法,其提取的亚像素边缘坐标与原始坐标之间的绝对误差不超过0.5,且运行速度提高了约10倍,较好地满足了工件尺寸检测精度的要求。     

机械零件图像中直线边缘亚像素定位方法

以计算机视觉在机械零件几何参数检测的实际应用为例，提出了一种使用高斯拉普拉斯(LOG)函数检测斜坡状边缘的像素级位置，在已知目标为直线边缘的情况下，使用最小二乘线性回归把二维的边缘拟合降为一维边缘定位，从而使直线边缘定位达到亚像素级精度的算法．同时还进行了空间矩直线边缘亚像素定位算法与本文所提出算法的对比实验．实验结果表明：在低噪声图像中，两种算法的边缘定位精度均达到满意的结果，且最小二乘线性回归亚像素定位算法速度较快．     

一种快速亚像素边缘检测算法

基于正交多项式拟合提出一种快速亚像素边缘检测算法, 并给出计算边缘点的直接表达式. 结果表明, 该算法有效地解决了目前亚像素边缘检测算法的检测精度和检测时间不能同时兼顾的问题. 通过与Gauss和空间矩两种亚像素边缘检测算法进行比较, 该算法能快速准确地求得亚像素级边缘位置.     

一种基于视觉测量的亚像素边缘检测算法

图像边缘检测精度决定了目标实际尺寸的测量精度。利用亚像素边缘检测技术来解决工业生产中芯片管脚的测量和检测问题。针对传统空间矩算子存在计算量大和边缘定位精度不足等缺点,首先利用改进的Prewitt算子快速提取连续性较好的像素级边缘,然后推导了空间矩算子原理误差并利用改进的空间矩算子进行亚像素级边缘定位。实验结果表明该方法速度快,定位精度高,并且具有较强的抗噪能力。     

基于Arimoto熵和Zernike矩的刀具图像亚像素边缘检测

为满足基于机器视觉的刀具尺寸测量系统快速及高精度的要求,提出一种基于直线截距直方图的Arimoto熵和Zernike矩的图像亚像素边缘检测方法.首先,通过高斯滑动窗口获取图像的邻域平均灰度,构造图像的灰度-邻域平均灰度二维直方图,并利用直线截距法将其降为一维直方图;然后,针对得到的直线截距直方图,依据Arimoto熵准则进行阈值分割,并将所得阈值映射回原二维直方图实现目标区域及像素级边缘的提取;最后,由基于Zernike矩的边缘模型对获取的像素级边缘进行重定位,以完成刀具图像亚像素级边缘的提取.通过对刀具图像进行的大量实验,将文中方法与基于Canny的、基于空间矩的、基于灰度矩的以及基于Zernike矩的边缘提取方法进行对比,发现文中方法运行速度更快且提取精度更高.     

基于D2样条插值和LOG算子的亚像素边缘检测

提出了一种基于 D2 样条插值和 LOG算子的亚像素边缘检测方法 .将被检测的图像块在 1 /2 p精度上行列分离分别进行一维 D2 样条插值 ,得到亚像素图像 ,然后将不同尺度的 LOG算子与之卷积 ,所得边缘图像经过边缘融合后得到亚像素边缘     

一种改进的灰度矩亚像素边缘检测算法

在分析Tabatabai提出的灰度矩亚像素边缘检测算法的基础上,指出灰度矩算法存在边缘判断条件不够完善和未能考虑模板效应的问题,提出了改进方法,考虑Tabatabai的灰度矩算法产生很多虚假边缘,改进算法分析了各参数对结果的影响,对边缘判断条件进行完善。实验结果表明,所改进算法具有抗干扰性、边缘细化能力强,定位准确的特点,分辨精度可达0.06~0.08个像素。     

基于改进RCD算法的随机圆检测与定位技术研究

在基于圆形标志的视觉定位过程中,数字图像处理技术已经成为了一种重要的研究手段.首先对定位图像进行过滤降噪、颜色量化等预处理,然后利用一种改进的RCD算法来检测定位图像中的圆形,并根据检测结果来获取目标的定位信息.这种方法可以同时检测与定位图像上的多个圆形.实验结果表明,改进后的RCD算法具有更高的检测效率,而且定位结果满足高精度、高可靠性的要求.